一种基于微处理单元的卷积加速指令扩展方案

作　　者： 刘合明；郑欣

摘　　要： 在人工智能（AI）的浪潮中，边缘计算技术正通过物联网（IoT）设备实现其广泛的应用潜力。然而，成本限制对于微控制器的性能提出了更高的要求，尤其是在执行卷积运算时，它们需要更高效的硬件支持，比如指令集的扩展。针对这一挑战，本文提出了一种基于 RISC-V 架构的高性能指令集扩展方案。该方案通过位拼接扩展技术和对权重存储的优化，以及提出一种激活值复用方案，显著提升了卷积神经网络在推理过程中的速度。这种优化不仅减少了数据传输的需要，还提高了数据吞吐量，从而加快了卷积层的处理速度。集成本方案后的 E203 的面积仅增加了4.0%，功耗提升了17.6%，显示出了极高的能效比和成本效益。

来　　源： 《信息产业报道》 2024-09